This multicenter and retrospective study investigated the additive value of tumor morphologic features derived from the functional tumor volume (FTV) tumor mask at pre-treatment (T0) and the early treatment time point (T1) in the prediction of pathologic outcomes for breast cancer patients undergoing neoadjuvant chemotherapy.

Motivation: Tumor delineation is a challenging but critical step for ADC calculation in Diffusion-weighted (DW) MRI. Automated delineation methods are still underdeveloped for DW-MRI. Goal(s): To compare the predictive performance of manual vs. automated ADC values at multiple timepoints during neoadjuvant treatment. Approach: We used MRI data from the ACRIN 6698 trial for this analysis. Automated ADC values were computed using transformed ROIs from image registration between pre-contrast DCE and DWI (b=0). Results: Predictive performance improved with automated ADC values at 3-week timepoint and remained similar at 12-week and pre-surgery timepoints. Impact: This work offers a practical approach for automated ADC calculation, allowing radiologists to expedite clinical decisions for breast cancer patients at early treatment timepoints; therefore, improving patient care.

Motivation: In our preliminary study of breast cancer patients undergoing neoadjuvant treatment in the I-SPY 2 TRIAL, functional tumor volume (FTV)-based algorithm using 3-week and 6-week MRI successfully identified sub-optimal responders as potential candidates for early treatment re-direction. Goal(s): We aimed to evaluate the performance of the algorithm using data collected after the requirement for 6-week MRI based on 3-week response was officially added. Approach: We tested PPV and sensitivity of the algorithm in 146 patients enrolled in I-SPY 2 between October 2021 and June 2022. Results: The combined 3-week and 6-week MRI algorithm showed high PPV and high sensitivity in identifying sub-optimal responders. Impact: In the I-SPY 2 neoadjuvant breast cancer trial, an MRI-based algorithm demonstrated its ability to identify sub-optimal responders at 6 weeks of treatment. This will impact response-based personalization of treatment in future clinical trials and ultimately treatment in the clinic.